**ilevector是一个Twitter机器人，可以让任何名人微笑。它在网络上搜索人脸图片，然后使用深度学习的神经网络对人脸表情进行变形。它的结果并不完美，但它们是完全自动生成的，这只是人工智能开启图像、音频和视频造假新世界的一个小提示。想象一下，Photoshop的一个版本可以像编辑Word文档一样轻松地编辑图像——我们还会相信自己的眼睛吗？

“我肯定认为这将是一个量子的进步，”汤姆怀特，微笑向量的创造者，告诉边缘怀特说，他发明机器人的目的是“挑衅性”，向人们展示人工智能在这个领域的发展维多利亚大学设计学院（Victoria University School of design）创意编码讲师怀特（White）表示：“我认为，机器学习社区以外的许多人甚至不知道这是可能的。”你可以想象一个像Instagram一样的过滤器，只会说‘多笑’或‘少笑’，突然间，每个人的口袋里都有了，每个人都可以使用它。”

微笑矢量只是冰山一角。现在很难对人工智能在多媒体操作方面所做的所有工作给出一个全面的概述，但这里有几个例子：从一张2D图像创建3D人脸模型；利用人偶实时改变视频中目标的面部表情；改变任何图片的光源和阴影；基于静音视频产生声音效果；直播总统辩论，却让特朗普秃顶使用旧剪辑从朋友手中复活乔伊；等等。就个人而言，这些例子中的每一个都是一种好奇心；总的来说，它们加起来要多得多。

怀俄明州大学计算机科学助理教授杰夫·克伦说：“这一领域进展非常迅速。”每个月我的收件箱里都会收到令人瞠目结舌的例子，“克伦自己的工作不是处理图像，而是生成它们，整个布料。他在怀俄明州的团队在2015年开始了这方面的工作，通过调整对象识别方面训练的神经网络。受2005年对人脑所做研究的启发，他们确定了当面对某些图像时会发光的神经元，并教导网络产生最大化这种**的图像。

2015年，他们的网络创造了这样的画面：

2016年，他们创造了这样的画面：

为了生成这些图像，神经网络在相似图片的数据库上进行训练。然后，一旦它吸收了足够多的蚂蚁、红杉和火山的图像，它就可以根据命令**自己的版本——除了“给我看一座火山”之外，不需要任何指令。目前的两个瓶颈是图像分辨率（这些图片都不大于256 x 256）和找到标记的图片来训练网络。”我们目前的限制不是模型的能力，而是更高分辨率的数据集的存在我们要多久才能**出照片级的全高清图像？这是任何人的猜测，但可能是几年，而不是几十年。”

一旦这些技术得到完善，它们就会迅速传播开来。一个很好的例子是一种称为“风格转换”的方法，它使用神经网络将一幅图像的特征应用于另一幅图像。2015年9月发表了一篇关于这一主题的关键论文，研究人员于2016年1月将这项工作转化为一个开源web应用程序。今年6月，一家俄罗斯初创公司将这一代码巧妙地应用到一款名为Pri**a的移动应用程序中，任何人都可以在**上的图片上应用各种艺术风格，并在各种社交网络上分享。这款应用程序人气激增，今年11月，Facebook发布了自己的版本，同时增加了一些新功能。在不到一年的时间里从前沿研究发展到商业产品；这就是这些工具被采纳的速度。

克伦说，在未来，人工智能驱动的图像生成将在创意产业中发挥作用。他说，家具设计师可以把它当作“直觉泵”，把椅子的数据库提供给一个生成网络，然后让它生成设计师可以完善的自己的变体。另一个用途可能是为视频游戏和虚拟现实创建内容，用户可以直接实时听写。想要龙吗？随便问吧。想要更大的龙，用枪当武器和亮紫色莫霍克？也很好。研究人员已经在研究这种界面的前身。在下图中，右边的图片是根据左边的标题创建的，仅此而已。

另一个明显的受益者是恶作剧。下面的视频演示了一个名为Face2Face的程序，它基本上把人变成木偶，让你把他们的面部表情映射到你自己的脸上。研究人员用特朗普和奥巴马的镜头来演示。现在把它和Adobe最近推出的原型软件结合起来，它可以让你编辑人类的语言（公司说它可以用来修复电影中的画外音和对话）。然后你可以**政客、名人的视频片段，说，好吧，你想要什么就说什么。把你的剪辑贴在任何一个相当流行的Facebook页面上，然后看着它在互联网上传播。

这并不是说这些工具将引导社会进入一个对所有人都不那么自由的事实。毕竟，对照片进行润色的做法一路回到暗室，媒体也经常被忽悠，把假照片报道成真照片。从朝鲜的“导弹发射”到英国小报上的本拉登“尸体”的照片，任何东西都会引起轰动。同样的事情也可以通过视频来实现——比如，2015年的计划生育丑闻，这起丑闻依靠的是经过编辑的秘密录像，以支持耸人听闻的虚假说法。

然而，我们不能否认，数字工具将允许更多的人创造这种假货。人工智能对图像或视频的处理是人类专家无法做到的（如果有足够的时间），但一旦每个人都能像创建Word文档一样轻松地处理一张照片，那么宣称不会有任何副作用就过于乐观了。人工智能驱动的假货和操纵现在并不难发现（模糊是最常见的说法之一，低分辨率和简单的“看起来像假货”），但研究人员说，它们会越来越好。

现实赝品的泛滥将对阴谋论者是一个福音，并将有助于当前新闻业信心的恶化。一旦人们知道有虚假的图像在流传，他们就有理由怀疑他们可能不愿意相信的真实图像，无论出于什么原因(例如，看看2012年的飓风桑迪照片博客，它不仅验证了假货，而且还验证了真实的图像。）如果新软件允许我们像处理图像一样轻松地处理音频和视频内容，它将破坏另一个“可靠”证据的支柱。

参与这一领域的人工智能研究人员已经获得了即将到来的媒体环境的第一手经验。”“我现在生活在一个现实眩晕的世界里，”克伦说人们给我发送真实的图像，我开始怀疑它们看起来是否是假的。当他们给我发假照片的时候，我认为它们是真的，因为质量太好了。我想，我们越来越不知道真假的区别了。这取决于人们如何努力教育自己。”